<![CDATA[Abstract: Poverty is a complex social problem and requires a more in-depth analytical approach. To determine the level of poverty in a community, variables such as education, employment, income, ownership, housing conditions, and access to clean water and electricity are needed. Pondok Bungur is a village in Asahan Regency consisting of 10 hamlets, the majority of whose residents have low incomes, do not own secondary necessities, use water other than from the Regional Water Company (PDAM), and have limited access to electricity. Due to the lack of a clear classification of welfare, social assistance is often not well-targeted. As a solution, data science techniques with the k-means algorithm are applied to classify the level of poverty in the village. This study aims to identify which hamlets have the highest, medium, and low levels of poverty while analyzing the spatial distribution of poverty in Pondok Bungur village by integrating the k-means method and a geographic information system. The targeted outputs of this study are publications in Sinta 3-accredited journals and ready-to-use systems/applications. The results of this study are expected to provide an overview of the spatial distribution of poverty and become a basis for decision-making for the local government. The Technology Readiness Level (TKT) of this research is at level 5, where the K-Means method has been tested on real-world datasets and can be applied to spatial analysis in a broader context. The developed geographic information system will be tested for its validity in visualizing poverty data to support data-driven policymaking. Keyword: Poverty; K-Means; GIS; Clustering; Spatial Analysis. Abstrak: Kemiskinan merupakan permasalahan sosial yang kompleks dan memerlukan pendekatan analitis yang lebih mendalam. Untuk menentukan tingkat kemiskinan dalam masyarakat, diperlukan variabel-variabel seperti pendidikan, pekerjaan, penghasilan, kepemilikan, kondisi tempat tinggal, serta akses terhadap air bersih dan listrik. Pondok bungur merupakan sebuah desa di Kabupaten Asahan yang terdiri dari 10 dusun, mayoritas penduduknya berpenghasilan rendah, tidak memiliki barang kebutuhan sekunder, menggunakan air yang bukan dari PDAM, dan memiliki akses listrik yang terbatas. Karena tidak adanya klasifikasi yang jelas mengenai kesejahteraan ini akibatnya bantuan sosial sering kali tidak tepat sasaran. Sebagai solusinya, teknik data science dengan algoritma k-means diterapkan untuk mengklasifikasikan tingkat kemiskinan di desa tersebut. Penelitian ini bertujuan untuk mengidentifikasi dusun mana yang memiliki tingkat kemiskinan tertinggi, menengah, dan rendah sekaligus menganalisis distribusi spasial kemiskinan di desa pondok bungur ini dengan mengintegrasikan metode k-means dan sistem informasi geografis. Luaran yang ditargetkan dari penelitian ini berupa publikasi jurnal terakreditasi sinta 3 dan sistem/aplikasi yang siap pakai. Hasil penelitian ini diharapkan dapat memberikan gambaran distribusi spasial kemiskinan dan menjadi dasar pengambilan keputusan bagi pemerintah daerah. Tingkat Kesiapan Teknologi (TKT) penelitian ini berada pada level 5, di mana metode K- Means telah diuji dengan dataset nyata dan dapat diterapkan untuk analisis spasial dalam lingkungan yang lebih luas. Sistem informasi geografis yang dikembangkan akan diuji validitasnya dalam memvisualisasikan data kemiskinan guna mendukung pengambilan kebijakan berbasis data. Kata kunci: Kemiskinan; K-Means; SIG; Clustering; Analisis Spasial.]]>
